Roma, 14 novembre 2024 (Agenbio) – L’uso di metodi avanzati di machine learning applicati ai dati di spettroscopia Raman acquisiti su campioni biologici permette di rilevare alterazioni biochimiche associate alla malattia di Alzheimer, facilitando così un’individuazione più accurata. È quanto emerge da uno studio condotto dall’Istituto di scienza e tecnologie dell’informazione del Cnr-Isti in collaborazione con il Cnr-Ifac, l’Università di Firenze e l’Azienda Ospedaliera Universitaria Careggi. Il lavoro, pubblicato sul Journal of the Franklin Institute, ha applicato per la prima volta un metodo avanzato per l’analisi e la classificazione dei dati di spettroscopia Raman acquisiti da campioni di liquido cerebrospinale, sfruttando tecniche di apprendimento automatico topologico. Questo approccio combina il machine learning con la topologia computazionale, una branca della matematica che studia la struttura e la forma dei dati, permettendo di identificare in modo preciso alterazioni biochimiche che possono segnalare la malattia di Alzheimer. «Dagli spettri Raman vengono estratte caratteristiche di forma che vengono poi utilizzate per addestrare algoritmi di machine learning capaci di classificare i dati – afferma Maria Antonietta Pascali, ricercatrice del Cnr-Isti -. L’ottimizzazione del processo consente di selezionare il miglior modello predittivo, aumentando così l’accuratezza nella distinzione tra Alzheimer e altre patologie del sistema nervoso centrale. L’accuratezza dell’86% raggiunta nella classificazione dei campioni di liquido cerebrospinale suggerisce un potenziale importante nel riconoscimento dei soggetti Alzheimer. Con ulteriori perfezionamenti, questa tecnica potrebbe migliorare le capacità diagnostiche e integrarsi nella pratica clinica». (Agenbio) Etr 11.00